Tensorflow 如何为二维数据构建LSTM网络？

我看到Keras中的LSTM接受（批大小、时间步长、数据大小）作为输入形状。但我想知道是否有一种简单的方法可以将这些扩展到4维？

---

例如，我们如何将lstm应用于移动MNIST数据集，该数据集的图像大小为64×64？

您可以使用CNN模型提取图像的特征，然后再将其输入lstm

# define CNN model
cnn = Sequential()
cnn.add(Conv2D(...))
cnn.add(MaxPooling2D(...))
cnn.add(Flatten())

# define LSTM model
model = Sequential()
model.add(TimeDistributed(cnn, ...))
model.add(LSTM(..))
model.add(Dense(...))

---

如果您需要一个资源来解释为什么我们使用

TimeDistributed

包装层：@AnnaKrogager，有没有一种方法我不必使用卷积？基本上，我想要一个每个位置都有一个LSTM的网络。我不确定你的确切意思，但也许你可以使用一个时间分布的LSTM？这将对数据的每个时间片应用LSTM（沿轴1）。只需首先确保以正确的方式排列轴即可。然而，这对于图像数据来说没有多大意义。